获取声音文件中给定时间的振幅？

Question

我正在做一个项目，我需要知道计算机上麦克风传来的声音振幅。

我目前正在将Python与Snack Sound Toolkit配合使用，并且可以记录来自麦克风的音频，但是我需要知道该音频的音量。 我可以将录音保存到文件中，并使用另一个工具包从音频文件中的给定时间点读取幅度，或者尝试在音频进入时获取幅度（这更容易出错）。

是否有任何库或示例代码可以帮助我解决这个问题？ 我一直在寻找，到目前为止，Snack Sound Toolkit似乎是我最大的希望，但似乎还没有办法直接获得振幅。

Answer 1

查看Snack Sound Toolkit示例，似乎有一个dbPowerSpectrum函数。

从参考：

dBPowerSpectrum（）

计算声音的对数FFT功率谱（以start选项中指定的样本数），并返回dB值列表。 有关其他选项的说明，请参见本节。 可以选择使用end选项指定终点。 在这种情况下，结果是指定范围内连续FFT的平均值。 它们的默认间隔是从fftlength中获取的，但是可以使用skip选项更改该间隔，该选项可告诉您每步移动FFT窗口多少个点。 选项：

编辑：我假设当您说振幅时，您是指声音对人的感觉有多“响亮”，而不是时域电压（由于正弦波的积分将为0，因此在整个长度上可能为0）例如：10 * sin（t）大于5 * sin（t），但它们的平均值随时间变化为0（无论如何，您都不希望向扬声器发送非AC电压）。

要获得声音的声音，您需要确定每个频率分量的幅度。 这是通过傅立叶变换（FFT）来完成的，它可以将声音分解为频率成分。 dbPowerSpectrum函数似乎为您提供了每个频率的幅度列表（如果这与功率谱的确切定义不同，请原谅）。 要获得总音量，您可以将整个列表加起来（这将很接近，因为人耳本身具有频率响应，所以它可能与感知的响度有所不同）。

Answer 2

我完全不同意CookieOfFortune的这个“答案”。

当然，这个问题的措辞很差……但是这个答案使事情变得比必要的复杂得多。 我假设“振幅”是指感知到的响度。 从技术上讲，（PCM）音频流中的每个样本都代表给定时间片段的信号幅度。 要获得响度表示，请尝试简单的RMS计算：

RMS

| K <

Answer 3

我不确定这是否会有所帮助，但是Skimpygimpy提供了将WAVE文件解析为python序列并返回的工具，您可以使用它直接检查波形样本并做自己喜欢的事情。 您将必须阅读一些资料，这些子组件没有记录在案。